寻找PDF文件解析器

Question

有没有人知道我可以用来从明文pdf文件中提取文本部分的PDF文件解析器？特别是我想要一种方法能够可靠地提取特定于注释的文本部分吗？

Delphi，C＃RegEx我不介意。

Answer 1

关于xactpro的PDF File Parser文章似乎正是您所需要的。它解释了PDF的格式，并附带了解析器的完整源代码（以及用于可视化模型的另一个项目）。

解析器使用特定于格式的术语，但您可以轻松使用可视化工具来学习要查找的内容。

Answer 2

您还可以查看Xpdf（http://www.foolabs.com/xpdf/download.html）

Answer 3

不确定它是否支持您需要的功能，但我们一直在使用abcPDF取得了一些成功。

Answer 4

查看pdfbox

Answer 5

abcPDF确实允许您提取注释，它们在帮助中有一个非常好的部分，但处理它的代码通常是：

    for (int objectIndex = 0; objectIndex < theDoc.ObjectSoup.Count; objectIndex++)
        {
            try
            {
                IndirectObject element = theDoc.ObjectSoup.ElementAt(objectIndex);

                string elementType = element.GetType().ToString();
                switch (elementType)
                {
                    case "WebSupergoo.ABCpdf8.Objects.Annotation":
                       //process the annotation, which could be all kinds of stuff
                        WebSupergoo.ABCpdf8.Objects.Annotation annotation = (WebSupergoo.ABCpdf8.Objects.Annotation)element; 

                        ProcessAnnotation(annotation);

...

Answer 6

我不知道这些PDF解析器的所有功能，但Aspose有一个相当全面的功能。不幸的是，我们遇到了两个错误，我已经等了很长时间才能修复它们。

ITextSharp似乎是.Net最常用的开源PDF解析器。